Soutenance de thèse: Chabi Affolabi Rodolpho BABATOUNDE (13 MAI 2024)

Centre: UMR SPE

Projet: SISU

Discipline et mention: Informatique

Titre de la thèse: Proposition d'une approche de modélisation du comportement d'espèces animales guidée par les métaheuristiques: vers de nouveaux outils d'aide à la compréhension du comportement animal

Résumé vulgarisé:

Étudier comment les animaux se comportent a toujours été très important pour l’humanité. En effet, déjà à la préhistoire, les humains se devaient de comprendre le comportement des animaux afin d’identifier ceux qui étaient hostiles à la tribu tout entière, ou encore ne serait-ce que comprendre les habitudes de certaines espèces pour améliorer les stratégies de chasse. Aujourd’hui encore, face aux enjeux écologiques et économiques, le besoin de comprendre le comportement des animaux reste crucial. Cependant, étudier directement le comportement animal peut être difficile en raison de contraintes diverses.

Pour surmonter les obstacles inhérents à la compréhension et à la prédiction des comportements animaux, la modélisation et la simulation informatiques se révèlent être des outils essentiels. En effet, ces approches permettent d’anticiper et d'expérimenter divers scénarios, facilitant ainsi la prise de décisions éclairées dans des contextes variés. Dans le cadre de cette thèse, une approche novatrice est proposée : celle de concevoir la modélisation du comportement animal comme un problème d'optimisation. Cette démarche repose sur la construction d'une base de données d'actions élémentaires, élaborée à partir des connaissances existantes telles que les éthogrammes et les modèles validés par la communauté scientifique. Au sein de cette base de données, l'objectif est de déterminer les actions et paramètres idéaux qui reproduisent de manière optimale le comportement à modéliser. Cette méthode, baptisée ANIMETA, s'appuie sur l'intégration de métaheuristiques, une classe de méthodes de résolution particulièrement efficaces pour ce type de problématique.

ANIMETA se compose de plusieurs outils, dont ANIMETA-MOD pour représenter le comportement animal, ANIMETA-SMA pour simuler ce comportement, ANIMETA-ENGINE pour générer les modèles, et des interfaces utilisateur conviviales comme ANIMETA-HIM. Cette approche a été validée avec succès sur différents modèles de comportement animal, démontrant sa rapidité et son efficacité, bien qu'il reste des points à améliorer, notamment en termes de durée d'optimisation.

Popularization abstract:

Studying how animals behave has always been very important to mankind. Indeed, as far back as prehistoric times, humans needed to understand animal behavior in order to identify those that were hostile to the entire tribe, or even just to understand the habits of certain species in order to improve hunting strategies. Even today, in the face of ecological and economic challenges, the need to understand animal behavior remains crucial. However, studying animal behavior directly can be difficult for a number of reasons.

To overcome the obstacles inherent in understanding and predicting animal behavior, computer modeling and simulation are proving to be essential tools. Indeed, these approaches enable us to anticipate and experiment with various scenarios, thus facilitating informed decision-making in a variety of contexts. In the context of this thesis, an innovative approach is proposed: that of conceiving the modeling of animal behavior as an optimization problem. This approach is based on the construction of a database of elementary actions, built from existing knowledge such as ethograms and models validated by the scientific community. Within this database, the aim is to determine the ideal actions and parameters that best reproduce the behavior to be modeled. This method, called ANIMETA, is based on the integration of metaheuristics, a class of solution methods that are particularly effective for this type of problem.

ANIMETA consists of several tools, including ANIMETA-MOD to represent animal behavior, ANIMETA-SMA to simulate this behavior, ANIMETA-ENGINE to generate models, and user-friendly interfaces such as ANIMETA-HIM. This approach has been successfully validated on different models of animal behavior, demonstrating its speed and efficiency, although there are still areas for improvement, particularly in terms of optimization time.

La soutenance aura lieu le lundi 13 mai à 14H, Plateforme Stella Mare, Biguglia

En savoir plus: Résumé scientifique